一种用于检测老人跌倒的机器视觉方法技术

本发明专利技术提供了一种用于检测老人跌倒的机器视觉方法，包括以下步骤：摄像头实时拍摄人体运动图像，图像实时传送给微型计算机；采用ICNet模型来实现图像的语义分割，获取图像中每一个像素对应的标签，得到图像中人体的区域；对ICNet语义分割所得的人体区域进行条件判定；输入第三步中生成的二值灰度图像，采用基于最小二乘法的椭圆拟合算法来快速的生成图像中人体的椭圆轮廓，并计算出椭圆方位角和长短轴比率；使用KNN算法，将椭圆方位角和长短轴比率作为输入对老年人当前状态进行分类，判断老年人是否跌倒。本方法基于深度学习的方法分析采集到的图像信息，根据语义分割和KNN二分类模型实时监控老年人的活动，有效检测出跌倒动作。

【技术实现步骤摘要】
一种用于检测老人跌倒的机器视觉方法
本专利技术涉及一种用于检测老人跌倒的机器视觉方法。
技术介绍
近年来，随着人口老龄化的加剧，老年人摔倒事件日益增多。跌倒是老年人独自生活的最大风险之一。每年跌倒事件至少造成数千老年人死亡。根据调查，跌倒是65岁以上人群的第六大死因，也是65-75岁特殊人群的第二大死因。有时老年人不慎跌倒可能会对脊髓和髋部区域造成严重伤害。在这种情况下，跌倒的老年人无法打电话给其他人寻求帮助，甚至可能会在跌倒事件发生后数小时内仍留在地面上，无法得到及时有效的治疗。为了及时有效的避免此类事件的发生，有人利用各种非视觉传感器，如加速度计和陀螺仪等，来设计检测跌倒的方法。此方法要求被检测者通过佩戴可穿戴设备来积极配合，老年人经常会忘记佩戴此类设备导致事故发生，有时由于此类设备亲肤性差，导致被检测者佩戴不舒服，甚至造成皮肤过敏。不仅如此，加速度计和陀螺仪探测器的主要问题在于难以区分真正的跌落和突然的运动，这可能会产生错误的坠落警告。另外，有的在地板中嵌入振动传感器，通过振动区分活动，但是需要对老年人身处的环境进行大量修改。还有人使用红外感应设备来探测老年人身处的环境。但它们必须安装在几个房间中以覆盖整个活动区域。而基于机器视觉的方法来检测老人跌倒不会造成此类问题发生，所有信息都通过摄像机远程收集。然而，基于机器视觉的方法主要存在如下难点：1.如何区分场景中的哪些对象（人）正在下降而哪些不是；2.如何区分在地面上的人是躺着还是跌落；3.由于背景一直在变化，如何不受光照和场景的变化的影响减去背景，有效提取出人体轮廓。因此，如何通过相机来可靠、稳定的检测出老年人是否跌倒，达到较高的识别准确率和较低的误报率是预防此类事故的关键技术难题。
技术实现思路
要解决的技术问题：本专利技术的目的是提供一种用于检测老人跌倒的机器视觉方法，基于一台微型计算机和至少一个摄像头的硬件设备，以及深度学习的方法分析采集到的图像信息，根据语义分割和KNN二分类模型实时监控老年人的活动，检测是否出现跌倒动作。技术方案：一种用于检测老人跌倒的机器视觉方法，包括以下步骤：第一步：摄像头实时拍摄人体运动图像，图像实时的传送给微型计算机；第二步：采用ICNet模型来实现图像的语义分割，获取图像中每一个像素对应的标签，得到图像中人体的区域；第三步：对ICNet语义分割所得的人体区域进行条件判定，如果满足系统设定的阈值，则进入下一步继续进行判断，如果不满足，则回到上一步，重新获取新的图像进行语义分割；第四步：输入第三步中生成的二值灰度图像，采用基于最小二乘法的椭圆拟合算法来快速的生成图像中人体的椭圆轮廓，并计算出椭圆方位角和长短轴比率；第五步：使用KNN算法，将椭圆方位角和长短轴比率作为输入对老年人当前状态进行分类，判断老年人是否跌倒，若是，则报警，若否，则重新开始。进一步的，所述ICNet模型是一种实时语义分割模型，该模型通过级联网络的设计，融合低分辨率图像的语义信息和高分辨率图像的细节信息，大大减少了计算机的运算量，在1024×2048的分辨率下可以每秒钟处理30帧图片，实现快速的高质量语义分割。进一步的，所述ICNet模型的运行过程如下：（1）对移动摄像头采集到的图像进行预处理，将原始图像缩放到1/2和1/4，得到两张较低分辨率的图像；（2）将缩放到1/4的图像输入ICNet级联网络的第一个分支，经过卷积核将采样图片下采样到原始图像的1/8和1/32，紧接着有若干个空洞卷积层增大感受野，输出1/32的特征图；（3）将缩放到1/2的图像输入ICNet级联网络的第二个分支，经过两次卷积和下采样，降低到1/16的特征图。将1/16的特征图和第一个分支输出的1/32的特征图在级联特征融合单元进行特征融合，输出1/16的特征图；（4）将原始图像输入到ICNet级联网络的第三个分支，经过三个卷积层，下采样到1/8的特征图。将下采样后的特征图和第二个分支输出的1/16的特征图在CFF单元中进行特征融合，输出1/8的特征图；（5）将CFF单元输出的1/8的特征图进行上采样，得到和原始图像相同分辨率的特征图。进一步的，所述第三步中人体区域进行条件判定的具体步骤如下：（1）给定一张语义分割图，将其转换为二值灰度图像；（2）在图像下方1/3处，水平取一条阈值线；（3）计算第一个阈值per；（4）如果per>=50%，结束循环，重新回到1，否则向下执行；（5）得到属于人体区域的二维包围框；（6）计算高宽比R；（7）如果R>=1/2，结束循环，重新回到1，否则向下执行。有益效果：1.本专利技术采用ICNet模型，速度快，精度也相对较高，能够实现快速的高质量语义分割。2.不会由于背景的变化，不受光照和场景的变化的影响，能够有效提取出人体轮廓。3.能够有效判断站姿，临时姿势和卧姿三种姿态，以确定老人是否摔倒。附图说明：图1为本专利技术整体实施过程图。图2为ICNet模型运行过程图。图3为对ICNet语义分割所得的人体区域进行条件判定的步骤图。图4为本专利技术第四步中计算出椭圆方位角和长短轴比率的算法流程图。具体实施方式一种用于检测老人跌倒的机器视觉方法，包括以下步骤：第一步：摄像头实时拍摄人体运动图像，图像实时的传送给微型计算机；第二步：采用ICNet模型来实现图像的语义分割，获取图像中每一个像素对应的标签，得到图像中人体的区域，如图2所示；所述ICNet模型是一种实时语义分割模型，速度快，精度也相对较高，该模型通过级联网络的设计，融合低分辨率图像的语义信息和高分辨率图像的细节信息，大大减少了计算机的运算量，在1024×2048的分辨率下可以每秒钟处理30帧图片，实现快速的高质量语义分割，其运行过程如下：（1）对移动摄像头采集到的图像进行预处理，将原始图像缩放到1/2和1/4，得到两张较低分辨率的图像；（2）将缩放到1/4的图像输入ICNet级联网络的第一个分支，经过卷积核将采样图片下采样到原始图像的1/8和1/32，紧接着有若干个空洞卷积层增大感受野，输出1/32的特征图；（3）将缩放到1/2的图像输入ICNet级联网络的第二个分支，经过两次卷积和下采样，降低到1/16的特征图。将1/16的特征图和第一个分支输出的1/32的特征图在级联特征融合单元进行特征融合，输出1/16的特征图；（4）将原始图像输入到ICNet级联网络的第三个分支，经过三个卷积层，下采样到1/8的特征图。将下采样后的特征图和第二个分支输出的1/16的特征图在CFF单元中进行特征融合，输出1/8的特征图；（5）将CFF单元输出的1/8的特征图进行上采样，得到和原始图像相同分辨率的特征图。第三步：对ICNet语义分割所得的人体区域进行条件判定，如果满足系统设定的阈值，则进入下一步继续进行判断，如果不满足，则回到上一步，重新获取新的图像进行语义分割，具体步骤如下（数学描述），如图3所示：（1）给定一张语义分割图，将其转换为二值灰度图像；（2）在图像下方1/3处，水平取一条阈值线；（3）计算第一个阈值per；（4）如果per>=50%，结束循环，重新回到1，否则向下执行；（5）得到属于人体区域的二维包围框；（6）计算高宽比R；（7）如果R>=1/2，本文档来自技高网...

【技术保护点】
1.一种用于检测老人跌倒的机器视觉方法，其特征在于，包括以下步骤：第一步：摄像头实时拍摄人体运动图像，图像实时的传送给微型计算机；第二步：采用ICNet模型来实现图像的语义分割，获取图像中每一个像素对应的标签，得到图像中人体的区域；第三步：对ICNet语义分割所得的人体区域进行条件判定，如果满足系统设定的阈值，则进入下一步继续进行判断，如果不满足，则回到上一步，重新获取新的图像进行语义分割；第四步：输入第三步中生成的二值灰度图像，采用基于最小二乘法的椭圆拟合算法来快速的生成图像中人体的椭圆轮廓，并计算出椭圆方位角和长短轴比率；第五步：使用KNN算法，将椭圆方位角和长短轴比率作为输入对老年人当前状态进行分类，判断老年人是否跌倒，若是，则报警，若否，则重新开始。

【技术特征摘要】
1.一种用于检测老人跌倒的机器视觉方法，其特征在于，包括以下步骤：第一步：摄像头实时拍摄人体运动图像，图像实时的传送给微型计算机；第二步：采用ICNet模型来实现图像的语义分割，获取图像中每一个像素对应的标签，得到图像中人体的区域；第三步：对ICNet语义分割所得的人体区域进行条件判定，如果满足系统设定的阈值，则进入下一步继续进行判断，如果不满足，则回到上一步，重新获取新的图像进行语义分割；第四步：输入第三步中生成的二值灰度图像，采用基于最小二乘法的椭圆拟合算法来快速的生成图像中人体的椭圆轮廓，并计算出椭圆方位角和长短轴比率；第五步：使用KNN算法，将椭圆方位角和长短轴比率作为输入对老年人当前状态进行分类，判断老年人是否跌倒，若是，则报警，若否，则重新开始。2.根据权利要求1所述的一种用于检测老人跌倒的机器视觉方法，其特征在于：所述ICNet模型是一种实时语义分割模型，该模型通过级联网络的设计，融合低分辨率图像的语义信息和高分辨率图像的细节信息，大大减少了计算机的运算量，在1024×2048的分辨率下可以每秒钟处理30帧图片，实现快速的高质量语义分割。3.根据权利要求1所述的一种用于检测老人跌倒的机器视觉方法，其特征在于：所述ICNet模型的运行过程如下：（1）对移动摄像头采集到的图像进行预处理，将原始图像缩放到1/2和1/4...

【专利技术属性】
技术研发人员：陈良，王飞，何白杨，吴志超，
申请(专利权)人：寿带鸟信息科技苏州有限公司，
类型：发明
国别省市：江苏,32